# 買了 Mac Studio 卻不跑本地模型？小天的「為了一點醋包一頓餃子」，和我拆開自己七天 AI 工作時間的結果

來源：Realpha 讀市場（blog.getrealpha.com）
原文與圖表：https://blog.getrealpha.com/blog/xiaotian-2026-10-12-mac-studio-beyond-llm/

> 2026 年 10 月 12 日小天fotos 的影片說，他買了 Mac Studio Ultra 96GB 版卻不打算拿來跑本地模型，因為他拆開一次 AI 做 After Effects 專案的紀錄，模型輸出只佔 22%，其餘多半在等工具與渲染。我也把自己七天的 AI 協作時間拆開，模型只佔 29%。這篇整理他的「醋與餃子」觀點、對照六種大記憶體機器的官方規格，再談要不要為了跑模型買大記憶體電腦。技術學習分享，不是任何商業建議。

Published: 2026-10-13
Locale: zh-TW
Tags: 小天fotos, Mac Studio, 本地模型, 統一記憶體, AI 工作流程, 硬體, 決策思考

TL;DR: 小天拆開自己一次 AI 做影片專案的紀錄，模型輸出只佔 22%；我拆自己七天的 AI 工作，模型只佔 29%，71% 在等工具跑完。想讓 AI 做事變快，與其追模型多吐幾個字，不如先看它卡在等什麼。


![表現主義油畫風格封面：深夜的廚房，木桌上擺滿一盤盤餃子，正中央只有一小碟醋，背後一台電腦像火爐一樣發著紅光](/covers/xiaotian-2026-10-12-mac-studio-beyond-llm.png)

> *醉翁之意不在酒，在乎山水之間也。*<br/>
> —— 歐陽脩《醉翁亭記》（北宋，1046）

2026 年 10 月 12 日，小天fotos 在[這支影片](https://www.youtube.com/watch?v=dYHB-p3Tm7I)裡說，他買了 Mac Studio 的 Ultra 96GB 版，卻不打算拿它跑本地模型：他拆開自己一次讓 AI 做 After Effects 專案的紀錄，模型在輸出的時間只佔 22%，其餘多半在等工具回傳和等渲染。我把自己到 2026 年 10 月 13 日為止七天的 AI 協作時間也拆開，模型在想、在寫只佔 29%，71% 在等工具跑完，方向一樣。所以想讓 AI 做事變快，升級處理器和記憶體往往比讓模型快一點更直接；但他的硬體對比只有一個人、兩台機器、一個場景，不能推成「Mac 比工作站快」。

## 這集在講什麼：為了一點醋，包一頓餃子

小天是做 AI 與硬體影片的創作者。這集他一開頭就說會得罪人：Mac Studio 如果主要拿來跑模型，是在浪費它。

他用一個很好記的比喻講自己的工作方式，叫「為了一點醋包一頓餃子」。醋是他要賣的東西，也就是影片裡那個故事；餃子是為了講好這個故事，讓 AI 花大量 token 做出來的軟體、外掛和流程。例如為了把一支業配講明白，他做了一整套外掛，後來這頓餃子又撐起另一支影片。

以前這樣很誇張，現在不會，因為在 AI 時代，餃子便宜，醋才值錢。

![上排兩個圓，餃子的圓很大、醋的圓很小；下排兩根柱子方向相反，餃子的柱子很矮、醋的柱子很高，顯示花掉的量與值錢的程度剛好倒過來](/figures/vinegar-and-dumplings-value-inversion.svg)

後面所有硬體的判斷都從這句長出來。

## 重點一：96GB 被說買虧了，他根本沒打算跑模型

有人說他的 96GB 很尷尬，跑不了大模型。他的回答是本來就沒想跑，還承認幾個月前推薦跑本地模型的判斷只對了一半。

我喜歡這段的地方在於他願意改口。很多人買了大記憶體電腦，第一個念頭就是「能跑多大的模型」，好像記憶體的唯一用途是裝模型。

## 重點二：AI 開始會開專業軟體了

他說新一代模型已經能直接操作 After Effects、Blender、Premiere、DaVinci 這類專業軟體，他現在就讓 AI 直接在 After Effects 裡做影片。

這裡有個細節很關鍵：他用小台的 Mac mini 跑直接卡死，換到記憶體 256GB 的工作站才跑得動，一個專案就吃掉約 200GB。

![三根高低不同的柱子代表機器記憶體，橫過圖面的虛線代表一個專案約需 200GB，只有最高那根柱子越過虛線](/figures/project-memory-need-vs-machine-capacity.svg)

所以等 AI 都會開這些軟體，限制會變成處理器夠不夠快、記憶體夠不夠大。這一點我很少在討論本地模型的文章裡看到，大家比的都是能裝下多大的模型。

## 重點三：22%，模型只佔一小段

為了驗證這個想法，他把那次 After Effects 專案的整段 AI 工作紀錄拆開來看：模型輸出佔 22%，整理上下文（對話太長時把前面的內容壓縮）佔 7%，剩下的時間不是在等工具回傳結果，就是在等渲染。

他的推論是：想縮短總時間，與其讓模型每秒多吐幾十個字，不如升級處理器和記憶體。

## 重點四：雜貨鋪場景，8.17 秒對 11.51 秒

機器剛到，他先跑 Blender 的經典測試場景「雜貨鋪」，也就是 Blender 2.81 版啟動畫面那張 [The Junk Shop](https://www.blendernation.com/2019/11/20/this-is-the-2-81-splash/)，作者是 Alex Treviño。256 採樣渲染、三次取中位數：他那台 Threadripper 處理器配 RTX PRO 6000 96GB 顯示卡的工作站是 11.51 秒，Mac Studio 是 8.17 秒。

更複雜的運鏡測試則兩台都約 48 分鐘，打平。

![左組兩根柱子高低有差，Mac 較短代表較快；右組兩根柱子一樣高，代表打平](/figures/two-tests-one-win-one-tie.svg)

他認為 Mac 的統一記憶體（處理器和顯示晶片共用同一塊高速記憶體）在這種場景佔便宜。

## 重點五：每月 3000 元的 token，賺回 20 倍

他算了一筆帳：一個月花人民幣 3000 元買 token，只要能賺回 20 倍，為了省這點錢跑本地模型就沒有意義。

這筆帳我同意方向，但要提醒一句，這是假設性的算法，前提是你真的有那 20 倍。

## 我也拆了一次：71% 在等工具

聽到 22% 的時候，我第一個反應是：我自己呢？

我把自己到 2026 年 10 月 13 日為止七天、174 段跟 AI 協作的對話時間拆開。AI 模型在想、在寫的時間只佔 29%，大約 19.4 小時；71%，也就是 47.2 小時，在等工具跑完。再往下拆，等工具的時間裡有 93% 是在等命令列的指令，像是跑程式、建網站、下載檔案、渲染，總共 5,780 次，平均一次大約 28 秒。

![兩條等長的橫條，各自左端有一小段代表模型，右邊一大段代表等工具，兩條的切點位置幾乎一樣](/figures/where-the-ai-time-goes-two-splits.svg)

這個數字有兩個誤差要講清楚。第一，「等工具」裡面混了一些等我按「允許」的時間，那段其實是在等人；第二，單次間隔超過 30 分鐘的我當成離開座位，沒算進去。

我的 29% 和他的 22% 不是同一種量法：他拆的是一次專案，我拆的是七天裡各種雜事。但兩個數字指向同一件事，瓶頸不在模型。換句話說，就算明天的模型快一倍，我這七天大概只會省下不到一成五的時間；剩下那七成，要靠電腦本身跑得快、或是我少讓它做白工。

## 少人注意到的地方：別把一張對比圖讀太滿

影片最容易被轉述成「Mac 比 RTX PRO 6000 工作站還快」。但那是一個人、兩台機器、一個場景、三次測試的結果，第二個更複雜的測試就打平了。它能說明的是：在記憶體吃很兇的專業軟體裡，統一記憶體有優勢；它不能說明 Mac 整體比較快，更不能拿來比跑模型的速度。

另一件影片沒細講的事：他說的那台 RTX Spark，宣傳裡的 600GB/s 是處理器和顯示晶片之間的連線速度，[不是記憶體本身的頻寬](https://tomshardware.com/laptops/nvidia-enters-the-windows-pc-market-with-rtx-spark)，兩個數字不能直接拿去跟 Mac 的 819GB/s 比。

![上排三個方塊串成一排，數字標在前兩塊之間的連線上；下排兩塊共用同一塊記憶體，數字標在通往記憶體的那一段，顯示兩個數字量的不是同一段](/figures/bandwidth-numbers-measure-different-links.svg)

## 六種機器擺一起

影片提到好幾台機器，我照官方頁（2026-10-13 查）排在一起：

| 機器 | 記憶體上限 | 記憶體頻寬 | 系統 | 比較適合 | 我的看法 |
|---|---|---|---|---|---|
| [Mac Studio M3 Ultra](https://support.apple.com/en-us/122211) | 96GB 起，可選 256GB | 819GB/s | macOS | 吃記憶體的專業軟體，也能跑模型 | 影片裡那類工作的甜蜜點 |
| [Mac Studio M5 Ultra](https://www.apple.com/newsroom/2026/08/apple-introduces-new-mac-studio-with-m5-max-and-m5-ultra/) | 最高 512GB（512GB 版 10 月底） | 1.2TB/s | macOS | 同上，更大更快 | 起價 US$5,499，96GB 版 |
| [DGX Spark](https://docs.nvidia.com/dgx/dgx-spark/hardware.html) | 128GB | 273GB/s | DGX OS（Linux 系） | 跑模型、開發，可兩台互聯 | 專業軟體選擇少 |
| [RTX Spark](https://techspot.com/news/113737-nvidia-rtx-spark-laptops-desktops-arrive-october-six.html) | 最高 128GB | 官方頁沒查到 | Windows on Arm | 專業軟體，看 Arm 版支援 | 10 月才上市，先等實測 |
| [Ryzen AI Max+ 495](https://amd.com/en/products/processors/laptop/ryzen-pro/ai-max-pro-400-series/amd-ryzen-ai-max-plus-pro-495.html) 迷你主機 | 官方頁沒查到 | 官方頁沒查到 | 看廠商 | 16 核 Zen 5，偏處理器工作 | 規格還不齊，先觀望 |
| [RTX PRO 6000](https://www.nvidia.com/en-us/products/workstations/professional-desktop-gpus/rtx-pro-6000/) 工作站 | 顯示卡 96GB，系統記憶體另計 | 顯示卡 1,792GB/s | Windows／Linux | 兩樣都強 | 單卡 6 月官方價 US$13,250 |
| 租雲端顯示卡 | 看租哪張 | 看租哪張 | Linux 為主 | 偶爾跑一大批 | 我家的現實解法 |

RTX PRO 6000 的價格也值得一提。影片說他 5 月買的時候人民幣 6 萬多，現在翻了不止一倍；中國的售價我查不到，美國官方價從首發的 8,565 美元漲到 6 月的 [13,250 美元](https://www.ithome.com/0/963/977.htm)，約漲 55%。

## 延伸想法：我該不該為了跑本地模型，買一台大記憶體電腦？

這是我看完最想回答的一題，因為我家的情況剛好相反：生圖那台電腦只有 8GB 的顯示卡，跑影片就得租雲端。

先問自己一個問題：你的 AI 工作，時間花在哪裡？如果像我和小天一樣，七成以上在等工具，那麼為了讓模型在本機跑而買大記憶體，等於把錢花在那三成裡。反過來說，如果你每天的工作是讓 AI 開 Blender、跑渲染、編大型影片，那大記憶體花在專業軟體上，回報會直接得多。

第二個問題是：你在乎的是畫質，還是故事？2026 年 10 月 12 日，也就是小天發片同一天，我在 Colab 上租 A100 做 3 秒的 AI 短片，再放大成 2K：一段 206 秒、顯示記憶體峰值 52GB，比我家那張卡大六倍多。做完拿手機看，2K 和原本的 1344×768 我幾乎分不出來，所以我決定以後一律用 1344×768，把力氣花在劇情和每段人物對不對得上（過程寫在〈[在 Colab 用 MiniMax H3 做 AI 短片：2K 畫質值不值得？](/blog/colab-minimax-h3-2k-worth-it/)〉）。回頭看，畫質就是餃子，劇情才是醋。要是我當初為了 2K 去買一台 52GB 以上的機器，是用醋的價錢買了一盤餃子。

所以我現在的分法是：偶爾要跑大東西，租；每天都在跑吃記憶體的專業軟體，才考慮買大記憶體；只是想「也能跑本地模型」，先不要買。另一種常見的誤會，是把操作台和算力混在一起：一台安靜的小電腦適合當指揮中心，真正的重活交給別的機器，我在〈[想在家玩 AI，先買 Mac mini 還是顯卡？](/blog/lunchuizhe-2026-09-17-mac-mini-ai-control-desk/)〉寫過這個分法。

## 延伸想法：模型越來越快，為什麼我的工作沒變快？

每次新模型發表，大家先比的是每秒能吐幾個字。可是如果模型只佔總時間的兩三成，它快一倍，你最多省一成多。

![兩條橫條上下對照，下面那條只有左端的模型段縮成一半，整條長度幾乎沒變短，右端只少了一小截虛線區](/figures/faster-model-barely-shortens-the-bar.svg)

剩下的七成要怎麼縮？我想到的做法有三個。先看等最久的是哪一類指令，像建網站、下載大檔這種一跑就要等上一陣子的，排到晚上一起跑，不必每次都坐著等。再來是少做白工，只改一個字卻把整個網站重建一遍，這種重複比模型慢一點傷得更重。最後才是硬體，這時候你已經知道該升級的是處理器、記憶體還是硬碟，而不是盲目追顯示卡。

這也是小天那盤餃子真正想說的事：工具會越來越便宜，算力會越來越多，我想先顧好的，是那碟醋。

## 帶得走的一件事

我聽完想到的一件事是：想讓 AI 做事變快，先看它卡在等什麼，再決定錢花在哪一塊。

我自己試過的做法，你要的話可以試試：下次 AI 幫你跑完一件事、關掉視窗之前，把剛才那段時間分成三格，「AI 在寫」「在等工具跑」「在等我」，各寫下一個大概的分鐘數。